新工科背景下的《深度学习》课程教学改革研究——以重庆工商大学为例

郭智威 李 余

（重庆工商大学人工智能学院 重庆 400067）

0 引言

为主动应对新一轮的科技革命和产业变革，我国在新经济、新起点这样的大背景下提出了“新工科”的概念。新工科对应新产业，是对新兴产业的加持。对高校来说，新工科既是指针对新兴产业的专业，如人工智能、智能制造、机器人、大数据等原来没有的专业，也是对传统工科专业，如机械材料、自动化、电子信息科学技术等的升级改造。我国于2017年开始，提出开展新工科建设，先后形成了“复旦共识”[1]“天大行动”[2]和“北京指南”[3]，并发布了一系列的文件，大力推动新工科建设。

当前，世界高等工程教育正面临着新的机遇、新的挑战，而我国的高等工程教育改革发展也正处于一个新的历史起点[4]。为此，高校要加快建设和发展新工科，在政府部门的大力支持下，工科优势高校要发挥好对工程科技创新和产业创新的主体作用，综合性高校要充分发挥好对新技术和新产业的引领作用，地方高校要起到对区域经济发展和产业转型升级的支撑作用[5]。伴随着科学技术的不断发展，很多技术的更新迭代非常迅速，但在高校的教学中却很少深入涉及到这部分内容。为此本文研究在新工科背景下的课程教学改革，在现有课程教学的基础上，增加对前沿技术的分享讲解，深入剖析技术创新发展的角度，增强学生对创新的理解，激发学生的创新兴趣，推动技术与理论创新的进一步发展。

1 《深度学习》课程的知识体系

目前《深度学习》课程教授的知识体系大部分都比较基础，这是由于技术进步迅速，教学内容更新速度难以跟上导致的。当前的知识体系大致分为以下几个部分：传统神经网络基础、卷积神经网络、循环神经网络和其他知识补充。对《深度学习》课程来说，最先介绍的往往是神经网络基础，如感知机、反向传播算法、激活函数。在有了一定的神经网络基础知识后，接着是卷积神经网络，先介绍卷积神经网络的基础知识，再对一些经典的卷积神经网络进行分析讲解。卷积神经网络在图像分类与识别领域有着举足轻重的地位，而对于循环神经网络来说则更多地应用于自然语言处理中，特别是文本序列，在对循环神经网络进行扩展时一般会对其变体如长短期记忆神经网络等进行分析。除去这些知识外，在教学过程中一般还会适当地补充一些生成对抗网络、深度强化学习之类的知识。

2 《深度学习》课程教学的现状

2.1 存在的问题

《深度学习》是人工智能、大数据等相关专业学生必不可少的一门课程。深度学习旨在通过学习、挖掘样本数据潜在信息，帮助机器学习使其能够像人类一样拥有分析、识别等的能力，一些新近的科学技术如机器翻译、推荐和个性化技术等都离不开深度学习。而当前《深度学习》课程教学也面临着一些问题，其中最为突出的就是教学内容总体上相对陈旧，大部分的教学内容是20世纪80-90年代就已经提出掌握的理论方法，只是在2012年以后才被广泛应用，这与新工科的培养教育理念存在着一些差距。以卷积神经网络为例，其提出可以追溯到1987年，而在深度学习理论于2006年被提出后，一系列以卷积神经网络为基础的新型复杂卷积神经网络又一度成为研究热点。由于新技术的发展日新月异，教学课本的更新速度难以跟上技术的迭代，同时该部分新发展新技术鲜少出现在高校的课程教学当中，即使出现了也少有对这些新兴技术进行深入讲解、创新点剖析的教学。

2.2 改革对策

新工科既是对过往工科的继承也是进一步的创新，在教学内容相对老旧问题上，可以采取相同的方法进行处理。首先，在教学课本的选择上，不仅要考虑到基础内容是否扎实的同时也要有对新兴技术介绍，确保学生在学好基础知识之外能够对较新技术的了解与掌握。其次，要加强教师对专业新技术的掌控，加强教师之间对新技术的交流。在将专业新知识新技术教授学生以前，要先确保教师对这些技术知识的深入理解掌握。最后，在课程教学时，除去课程基础知识的讲解，要增加对专业新知识、新技术的部分。剖析新技术是如何在原先的基础上发展起来的，创新点在哪，哪些部分进行了调整。加强教师与学生之间的交流，和学生一起探讨技术理论还能从哪些方面进行创新，多鼓励学生进行创新。

3 《深度学习》课程教学改革研究——以重庆工商大学为例

3.1 突出聚焦前沿，优化教学知识体系

对深度学习课程的教学来说，除了讲授基础知识以外，更为重要的是要增加对前沿技术知识的讲解。在技术更新速度不断加快的时代，基础知识已经不能满足学生们未来所需要满足的需求，为此需要对教学的知识体系进行进一步的优化，突出并聚焦深度学习的前沿技术。笔者在2021年春季学期的课堂教学中，首次对深度学习的教学知识体系进行了变革和更新，直接面向实际的应用和行业需求，对知识体系进行分类整合，将整个体系分成四个部分：深度学习基础、计算机视觉、自然语言处理、深度学习进阶。除去深度学习的基础知识以外，对计算机视觉和自然语言处理两大深度学习领域的热门场景进行详细讲解。其中计算机视觉部分包括图像识别、目标检测、图像分割、图像迁移等内容，自然语言处理包括文本生成、机器阅读、机器翻译和语义判别等内容，深度学习进阶则包括强化学习、生成对抗网络、自主学习等最前沿的技术。

3.2 深化校企合作，建立企业级案例库

技术的发展不能只停留在理论上，要经过实践的检验才能更好地被人们所接受。深度学习作为一门技术性极强的课程，更加需要通过大量的实际动手练习来强化对知识的掌握，通过实际的操作可以帮助深入理解新技术，也能够在一定程度上促进创新。为此，可以加强学校和企业之间的合作，建立企业级的开源案例库。目前，以百度、阿里为代表的互联网公司与不少的企业之间开展了一些以解决实际问题为目的的项目，这些项目大都使用了最近流行的新兴技术。笔者在2021年春季学期的课堂教学中，从百度飞桨平台的项目库中引入了大量的企业级深度学习项目，项目大多来源于百度的工程师以及兴趣开发者自己编写的深度学习案例代码，并根据项目的内容分配到四个部分中，在每一节理论课的学习完成之后，学生都可以从企业级案例中获得针对性的强化练习。通过引入大量的企业级深度学习案例，可以更好地帮助学生应用所学的知识解决实际问题，学生的学习兴趣和知识水平都得到了有效的提升。

3.3 融入科研思维，鼓励理论知识创新

在教学的过程中，注重培养学生的创新思维和能力。引导学生观察发现身边一些新兴技术的应用，如人脸识别、语音识别等，分析这些应用所涉及到的技术并进一步探讨能否再有改进的地方。在讲解一些技术的发展历程中，从基础出发，对各个发展阶段的变化创新点进行分析讲解。因为深度学习不仅是一门较强的技术性课程，同时又是一门理论深度较深的课程，并且发展速度很快，每一年都能够取得诸多的技术进展和技术突破。近年来深度学习的技术进步离不开一大批技术研究者自基础理论到技术应用的不断创新，这也是该门课程教学过程中应当注意的环节。笔者在2021年春季学期的课程教学中，除了基础知识的讲解之外，每两周都要和学生分享一些前沿技术的论文，对前沿技术进行分析，将科研思维融入到教学和生活当中，激发学生对科研的热情，培养学生的科研能力。